本報記者 樊三彩
“工業互聯網賦能制造業轉型升級的最重要的抓手并不是互聯網技術本身，而是企業的精益生產與管理，不要指望靠在企業堆砌人工智能、大數據等新技術能實現所謂的數字化轉型。”近日，在北京信息化和工業化融合服務聯盟主辦的數字化轉型云論壇系列活動中，中國鋼研集團綠色化智能化中心負責人、混合流程工業自動化系統與裝備國家重點實驗室副主任張云貴在題為《工業互聯網賦能冶金智能制造》的主題演講中如此指出。
工業互聯網是推進智能制造的核心抓手
“由于鋼鐵制造行業具有混合流程、工序耦合、規模化生產、環境強約束等特點，鋼鐵行業的智能制造需要從模式、技術和方法論等不同的維度去思考，才能實現以智能技術賦能行業的轉型升級，實現企業對成本、質量、效率綜合優化的目標。”張云貴指出，“因工業互聯網提供了完整而清晰的方法論、技術路線（如云計算、大數據、開源等）和商業模式（如鏈的競爭、贏者通吃等），工業互聯網應是推進智能制造的一項核心抓手。”
張云貴強調，必須承認無人化、少人化是當前企業投資者關注智能制造的核心原因，但智能制造的目標絕不只是無人化、少人化。從質量控制的角度看，由于質量在鋼鐵企業生產過程中具有很強的“遺傳性”，智能制造的質量目標是實現全生命周期的質量控制；從生產節奏控制的角度看，智能制造的目標是實現跨工序動態有序協同，從而帶來較好的經濟效益，例如通過減少工序之間的溫降就能達到很好的節能效果。此外，智能制造還可以實現能源與環境的協同優化。
關于智能制造的內涵，張云貴認為，智能制造的系統構成是由人、物理系統和信息系統協同集成的HCPS（人—信息—物理系統）。其中，工業互聯網平臺是信息系統的載體；人是系統知識的提供者，也是使用者。一方面，企業要通過知識工程，將工藝知識進行數字化、平臺化；另一方面，人也會參與機器學習，是系統的使用者。例如，在做表面質量檢測時，由于機器學習需要大量的樣本，但鋼鐵行業缺陷的樣本數量不夠，有人參與的話，會在線做一些標注，這樣便可在比較快的時間內，提高機器學習的效率。
“智能制造要抓住一項核心技術的話，我認為應是工業互聯網技術。”張云貴說。他認為，從技術的角度看，鋼鐵企業需要以企業自治、自學習、自我進化為目標，綜合應用物聯網、人工智能和大數據等新一代信息化技術。其中，工業互聯網正是以上各項技術得以集成綜合的技術。依靠工業互聯網提供的方法論、技術路線和商業模式，快速構建企業的智能制造基礎架構是一種可行的策略。
其中，工業互聯網的方法論，核心是知識的解構、重構和復用，即通過對傳統的高度耦合解決方案進行合理的拆分和解構，形成可復用的微服務資源，再針對用戶的需求通過特定的集成技術實現功能重構，是工業互聯網共享思維在OT（運營技術）領域最為核心的體現，也是對目前工業自動化、信息化技術供給側最大的沖擊。“基于平臺的組態式智能技術服務是未來的一個趨勢。”張云貴指出。
數據的切割與耦合
是工業互聯網應用的最大難點
張云貴從宏觀的角度指出，工業互聯網對制造業的影響是多方面的。首先，中小企業會通過工業互聯網獲得與“領頭羊”企業相當的自動化、信息化服務。其次，客戶服務將成核心。由于在互聯網模式下，知識供給側越來越由少數天才把控，大量從事技術研發的人將被擠到客戶服務領域，成為平臺的“附庸”。因此，對客戶的服務水平將成為企業競爭的核心。再其次，平臺的接入服務將發展成為專門的生意，這類業務可以用電商發展后快速出現的“快遞小哥”業務來類比。最后，在未來，智能制造的IP（知識產權）也將成為一種新商品。如德國巴登鋼廠就有一項重要的智能制造IP收入。
在張云貴看來，工業互聯網賦能鋼鐵行業的著力點并非技術本身，而是以下3點：第一，精益生產與管理；第二，制造協同，這常常意味著內部流程、組織的重新定義；第三，整合運營，即要從整個價值鏈布局與思考，包括供應鏈整合、采取預測性質量體系、構建面向制造業務的共享平臺等方面。
“從冶金行業的智能制造實踐來看，數據的切割與耦合是工業互聯網賦能冶金智能制造的最大難點。”張云貴進一步解釋道，“冶金行業的工藝特點以及傳統的信息化層級架構，決定了不同工序對數據會形成天然的切割，跨工序的數據橫向流動十分困難。實現冶金智能制造必然涉及端到端的橫向集成，比如跨工序的質量控制與追溯、一體化生產計劃等，這些都需要數據能夠實現跨工序高效流動。”因此，要實現跨工序多源異構的數據共享，他認為需要解決兩個問題：信息架構問題和數據關聯融合問題。
張云貴指出，工業互聯網的扁平化架構剛好可以破解工序對數據的切割，從而解決第一個問題。扁平化架構是工業互聯網對目前企業信息化層級結構的挑戰。可以預測，在工業互聯網場景下，企業信息化的功能會逐步向云端和邊緣端兩個方向進行遷移，云端智能將集中大部分企業橫向貫通需要的功能，比如BI（商業智能）、ERP（企業資源計劃）、MES（制造執行系統），而邊緣智能會承接部分來自傳統管理層（如MES）的功能，同時強化在過程級、基礎級的智能化水平。解決第二個問題，則需要對數據與應用進行解耦，一個可行的技術路線是在原來的基礎上構建一個語義抽象層，對基礎數據進行某種集成、運算，向上層應用進行定向發布。
《中國冶金報》（2020年10月13日 04版四版）
